Des experts en technologie révèlent les caractéristiques des innovateurs en matière d'IA, dissipent les perceptions erronées courantes et partagent des stratégies de création de valeur lors de l'événement SymphonyAI
Les affirmations audacieuses concernant les améliorations de la productivité et des processus possibles grâce à l'IA d'entreprise peuvent rendre difficile la distinction entre ce qui est réel aujourd'hui et ce qui pourrait être possible demain. Bien que l'IA ait fait l'objet d'un battage médiatique considérable, le débat ne porte plus sur la question de savoir si elle crée de la valeur, mais plutôt sur celle de savoir dans quelle mesure, à quelle vitesse et quelles sont les bonnes mesures que les entreprises devraient prendre dès aujourd'hui.
Pour éclaircir ces questions, SymphonyAI a réuni quatre des esprits les plus vifs du monde de la technologie pour une table ronde virtuelle sur le thème "Passer outre le battage médiatique pour débloquer la véritable valeur de l'IA d'entreprise".
La conversation était animée par R "Ray" Wang, président, fondateur et analyste principal de Constellation Research. Parmi les intervenants figuraient Eve Psalti, directrice principale de Microsoft Azure, Daniela Rus, directrice du Computer Science and Artificial Intelligence Laboratory (CSAIL) du MIT, et Raj Shukla, directeur technique de SymphonyAI.
Wang et les panélistes ont abordé des sujets tels que les besoins uniques des entreprises en matière d'IA, les obstacles à l'adoption, la question de savoir s'il faut construire ou acheter, les principaux cas d'utilisation, les facteurs de réussite de la validation du concept, les perceptions erronées de l'IA et les tendances émergentes. Le groupe a couvert un large éventail de sujets, mais l'accent a d'abord été mis sur l'état de l'IA dans l'entreprise et sur les mesures pratiques à prendre pour réussir.
"L'IA existe depuis longtemps, mais elle est de retour et constitue le sujet numéro un partout, en particulier avec l'IA générative qui occupe le devant de la scène en ce moment", a déclaré M. Wang en demandant aux panélistes de partager leurs points de vue sur la réalité de l'IA dans l'entreprise aujourd'hui.
"Il y a beaucoup d'attentes, et parfois des attentes irréalistes", a déclaré M. Psalti. "Les entreprises supposent qu'il y aura un retour sur investissement immédiat, alors qu'en réalité, beaucoup d'entreprises n'en sont qu'aux premiers stades de l'adoption de l'IA."
Si l'enthousiasme pour l'IA générative est bien mérité, Rus pense que les entreprises ont commencé à réaliser que l'IA ne se résume pas à l'IA générative. Pour que l'IA soit à la hauteur du battage médiatique, il faut combiner l'IA générative avec d'autres types d'IA dont on parle moins souvent, comme l'IA prédictive, l'IA d'optimisation et l'IA de décision.
"Je suis très optimiste quant à l'IA et à la valeur qu'elle peut apporter aux entreprises, mais nous devons l'envisager de manière plus globale et les entreprises doivent réfléchir très attentivement à leur cahier des charges en matière d'IA", a déclaré M. Rus.
Quel que soit le type d'IA impliqué, il est nécessaire de mettre en place une couche de données appropriée pour libérer son efficacité dans les cas d'utilisation qui varient selon les secteurs verticaux, selon Shukla de SymphonyAI. Ainsi, contrairement à ChatGPT ou à d'autres grands modèles de langage (LLM) sur le marché qui sont formés sur des ensembles de données accessibles au public, la valeur de l'IA d'entreprise découle de l'accès et de la formation sur des données verticales et spécifiques à l'entreprise, de sorte que le modèle puisse être utilisé pour le raisonnement et pour relier les points à travers l'entreprise tout en adhérant à une bonne gouvernance des données et à des directives de protection de la vie privée.
"Il y a toutes ces données d'entreprise disponibles, mais avez-vous construit la fondation, ajouté la couche de données, ajouté la couche d'API pour rendre toutes ces données disponibles à un modèle d'IA générative pour y accéder en fonction des besoins", a noté Shukla . "C'est la différence essentielle que tout le monde réalise par rapport aux applications grand public où un modèle a été formé et répond aux questions à votre place.
Construire ou acheter ?
Pour décider s'il faut créer ou acheter des solutions d'IA d'entreprise, il faut d'abord être clair sur les cas d'utilisation et savoir s'ils sont spécifiques à une entreprise ou à un secteur vertical. Shukla a abordé ce point en expliquant que la création d'une solution peut être la seule option dans les situations où le problème à résoudre est propre à une seule entreprise. Toutefois, lorsqu'un cas d'utilisation est commun à plusieurs entreprises d'un secteur vertical, l'achat est l'approche privilégiée. Il a donné un exemple courant dans le secteur de la vente au détail, à savoir l'évaluation de la demande transférable lorsque des produits sont ajoutés ou supprimés de l'assortiment d'un détaillant.
"L'idée du transfert de la demande est courante et les produits de SymphonyAI permettront aux détaillants de résoudre ce cas d'utilisation, il est donc logique d'acheter quelque chose comme cela", a déclaré M. Shukla. "Mais si un problème est très spécifique à des emplacements de magasins particuliers, il est peut-être préférable de construire une solution. Cette analogie s'applique également à d'autres secteurs d'activité."
Le coût est également un élément important, selon d'autres intervenants qui ont partagé l'opinion selon laquelle construire quelque chose sera plus coûteux que de l'acheter, de sorte que la justification économique doit être convaincante.
"Dans de très rares cas, il est préférable de créer son propre modèle", a déclaré M. Psalti. "Nous constatons souvent que les clients de Microsoft en viennent à la conclusion qu'ils doivent développer leur propre modèle d'IA générative, ce qui peut s'avérer une opération très coûteuse et chronophage."
Elle est aussi souvent inutile. Psalti a fait remarquer que lorsqu'on utilise l'IA générative, il est important de commencer à la personnaliser par le biais de l'ingénierie d'invite (le processus consistant à donner des instructions à un modèle pour améliorer les résultats). Ensuite, les entreprises peuvent actualiser le LLM à l'aide de méthodologies de génération augmentée par récupération (RAG) afin d'ancrer le LLM de manière plus factuelle pour des cas d'utilisation spécifiques.
"Il n'est pas nécessaire d'avoir toute une équipe et beaucoup de temps pour le faire, et ce n'est qu'ensuite que je dirais qu'il faut affiner, c'est-à-dire modifier les poids du modèle, mais cela demande un peu plus de compétences et de savoir-faire", a déclaré M. Psalti.
Passer d'un point sensible à un POC puis à un système de production
Le processus d'achat d'un produit d'IA d'entreprise implique généralement une phase d'évaluation de la preuve de concept (POC) avant de passer à un projet complet. Comme l'a fait remarquer Wang, les POC peuvent avoir des taux de conversion aussi bas que 20 %. Il a donc demandé aux panélistes comment surmonter les obstacles qui empêchent les POC de qualité professionnelle de passer à la phase de déploiement proprement dite.
Rus, du MIT, estime qu'une meilleure compréhension et une meilleure planification sont nécessaires en amont du processus pour déterminer si l'utilisation de l'IA est appropriée et pour disposer d'un objectif et d'une stratégie clairs pour l'atteindre.
"Définir un objectif clair signifie comprendre le problème que vous essayez de résoudre", a déclaré M. Rus. "Cela signifie également qu'il faut définir et comprendre les parties prenantes, les rôles, les données, les mesures de réussite et tous les aspects de la mise en œuvre qui permettront de passer de l'idée du problème à un petit POC et à une véritable solution au niveau de l'entreprise.
Pour faciliter ce processus, M. Psalti estime qu'il est essentiel d'identifier les points douloureux. Une fois que les entreprises ont identifié les domaines dans lesquels elles passent beaucoup de temps parce que l'automatisation n'est pas en place ou que les données et les processus sont cloisonnés, il est plus facile d'établir un ordre de priorité pour les POC à poursuivre parce qu'ils sont les plus susceptibles d'atteindre les résultats souhaités.
"Une autre chose que nous constatons dans les entreprises qui ont réussi à intégrer l'IA générative dans leurs opérations est qu'elles disposent toutes d'un centre d'excellence. Elles peuvent ainsi lancer des POC dans plusieurs départements ou groupes, partager certaines des meilleures pratiques et avancer rapidement", a déclaré Psalti.
Un centre d'excellence peut aider une entreprise à choisir les cas d'utilisation optimaux à cibler, car, comme l'a fait remarquer M. Shukla de SymphonyAI, certains des domaines problématiques existent depuis des années, voire des décennies.
"Lorsque le problème existe et que nous pouvons chiffrer la valeur, le POC est défini comme étant le résultat souhaité", a déclaré M. Shukla. "Dans notre secteur industriel, nous nous intéressons à la maintenance prédictive et à la question de la détection d'une machine avant qu'elle ne tombe en panne. Notre produit Iris Foundry fait un excellent travail dans ce domaine.
Les services financiers sont un autre domaine où l'IA d'entreprise aide à résoudre un cas d'utilisation convaincant - dans ce cas, le problème de longue date de l'industrie de la détection et de la prévention de la fraude et de la criminalité financière. Grâce à un modèle correctement formé qui alimente les capacités prédictives, la détection précoce des activités illégales est possible d'une manière plus efficace que les approches traditionnelles basées sur des règles qui produisent un grand nombre d'avertissements faussement positifs. L'IA générative permet également d'accélérer considérablement la génération de rapports d'activités suspectes (SAR).
"Nous travaillons avec une grande banque d'Afrique du Sud et avons démontré que le remplacement de leur système basé sur des règles par un modèle prédictif a permis de réduire les faux positifs de plus de 70 %", a déclaré M. Shukla. "Avec d'autres clients du secteur des services financiers, nous avons réduit de 40 % la durée des enquêtes.
Dissiper les idées reçues
En ce qui concerne les attentes à l'égard de l'IA d'entreprise, il y a celles qui ont trait à la création de valeur commerciale et celles qui concernent les effets potentiellement négatifs. Les panélistes ont abordé ce sujet en se concentrant sur les préoccupations les plus fréquemment soulevées, notamment le fait que l'IA soit un destructeur d'emplois.
Les intervenants ont cité des études sectorielles qui montrent que les effectifs restent généralement stables avec l'adoption de l'IA d'entreprise, mais que la productivité, l'efficacité et l'engagement des employés et des clients s'améliorent. Cela va de soi, car la disponibilité de meilleurs outils signifie que les gens peuvent se concentrer sur des choses importantes plutôt que sur des tâches répétitives indésirables. Toutefois, cela peut également susciter des inquiétudes quant au déplacement des travailleurs à mesure que les entreprises progressent dans le cadre de maturité des "Cinq A de l'IA" de Wang, qui comprend les phases d'augmentation, d'accélération, d'automatisation, d'agents et de conseillers.
Les panélistes ont convenu que la plupart des entreprises se trouvent dans les phases d'augmentation et d'accélération, quelques-unes s'aventurant dans la phase d'automatisation. Quelle que soit la position des entreprises, M. Psalti, de Microsoft, estime que le point commun entre toutes les entreprises est la nécessité d'une supervision humaine importante.
"Ces modèles d'IA, aussi innovants et efficaces soient-ils, ne sont pas vraiment autonomes. Ils ont besoin d'une supervision humaine, d'un réglage fin, d'interventions", a déclaré M. Psalti. "Je suis d'accord pour dire que nous devons les employer et commencer par des cas d'utilisation à faible risque, simplement pour nous entraîner et continuer à personnaliser les choses et nous assurer que nous sommes à l'aise avec le fait qu'ils ne vont pas produire des résultats immédiatement, car il faut du temps pour préparer les ensembles de données pour faire l'entraînement du modèle et les itérations qui doivent se produire pour fournir de la valeur."
L'avenir connecté de l'IA
Alors que chacun des intervenants se projette dans un avenir où l'IA fera davantage partie intégrante d'une entreprise performante, ce qui permettra d'accélérer la création de valeur, plusieurs facteurs ressortent comme étant les moteurs de la réussite future.
Pour Rus, du MIT, les rôles évoluent au sein des organisations et les responsabilités s'estompent à mesure que les employés deviennent bilingues entre les besoins de l'entreprise et les spécificités de l'IA d'entreprise.
"Vous ne pouvez pas vous contenter d'être un expert en IA qui a appris la théorie. Il faut vraiment comprendre son entreprise. Vous devez comprendre le marché, vous devez comprendre les produits", a déclaré M. Rus. "Si vous n'êtes formé que dans le domaine commercial, vous ne connaissez pas l'IA et il est difficile de comprendre les possibilités qui s'offrent à vous. Si vous ne connaissez que l'IA, vous ne savez pas vraiment comment l'IA peut être utile. Il est important d'avoir des personnes qui comprennent les deux côtés.
Il est également important de poursuivre une nouvelle vision de l'entreprise connectée, car c'est la clé pour que l'IA sous toutes ses formes dépasse les attentes élevées d'aujourd'hui. Comme l'a expliqué M. Shukla de SymphonyAI, la philosophie de la connexion est évidente dans l'un des produits phares de l'entreprise pour le commerce de détail, CINDE Gen AI. Ce produit unifie des sources de données disparates pour fournir une image complète des opérations de vente au détail afin d'aider les détaillants à prendre des décisions plus éclairées sur les opérations, le merchandising et les chaînes d'approvisionnement.
"Le véritable pouvoir des modèles d'IA réside dans le fait qu'ils s'améliorent lorsqu'on leur fournit des données connectées", a déclaré M. Shukla. "Parfois, un POC échoue parce qu'il n'y a pas de lien entre les données, et pour ce faire, il faut aller du haut vers le bas, et les équipes chargées des données et les équipes opérationnelles doivent se réunir. C'est ainsi que nous avons développé nos solutions, et cela trouve un écho dans l'industrie."
Découvrez comment l'IA d'entreprise peut créer de la valeur pour votre organisation. Prenez contact avec nous dès aujourd'hui !
